Chatbot para empresas: cuándo sí, cuándo no y cuánto cuesta de verdad

Casi todas las conversaciones que tenemos sobre un chatbot para empresas empiezan igual: alguien ha visto una demo impecable, ha pensado «esto nos quita la mitad de los correos» y llega con la decisión medio tomada. La demo, efectivamente, era impecable. El problema es que una demo responde preguntas que se le hacen en un contexto controlado, y tu bot va a responder a un cliente enfadado a las 22:40 de un viernes preguntando por un pedido que el ERP tiene marcado como «en incidencia».

Esa distancia —entre la demo y el viernes a las 22:40— es de lo que va esta guía. Cuándo un chatbot resuelve algo de verdad, cuándo es una capa cosmética sobre un proceso roto, qué canal elegir, qué cuesta montarlo y mantenerlo, y qué mirar para saber si está funcionando. Sin promesas de sustituir al equipo de atención al cliente, porque eso no pasa.

¿Qué es hoy un chatbot para empresas y qué no es?

Un chatbot para empresas es una interfaz de conversación conectada a tus sistemas. Esa segunda mitad de la frase es la que separa lo útil de lo decorativo. Un bot que solo sabe lo que hay en tu web pública es un buscador con más pasos. Un bot que consulta el estado del pedido en el ERP, ve el histórico del cliente en el CRM y puede abrir un ticket es otra cosa.

Conviene distinguir tres cosas que se llaman igual en las reuniones:

• Bot de flujo (árbol de decisión). Menús, botones, respuestas predefinidas. Barato, predecible, aburrido. Funciona muy bien para trámites cerrados: pedir cita, consultar horarios, recoger datos de un formulario.
• Bot con lenguaje natural sobre tu documentación. Entiende la pregunta y responde a partir de tus manuales, tarifas y políticas. Resuelve la consulta informativa. Es donde está hoy la mayoría del valor real y de los proyectos que salen bien.
• Agente. Además de responder, ejecuta: modifica una cita, tramita una devolución, actualiza una dirección. Aquí ya hablamos de permisos, trazabilidad y de un diseño distinto — lo desarrollamos en agentes de IA en la empresa.

Lo que un chatbot no es: un sustituto de la documentación que no tienes. Si tus políticas de devolución viven en la cabeza de dos personas de atención al cliente y en un hilo de correo de 2023, el bot no puede saberlas. Y no las va a inventar bien.

Un chatbot no arregla un proceso malo. Lo hace más rápido, más visible y más difícil de justificar.

¿Cuándo tiene sentido un chatbot para empresas y cuándo no?

El criterio útil no es el sector ni el tamaño, es la forma del volumen de consultas. Un chatbot rinde cuando hay muchas preguntas parecidas con respuesta objetiva y comprobable. Rinde mal cuando cada caso es distinto, cuando la respuesta depende de un juicio profesional o cuando el coste de equivocarse es alto.

| Escenario | ¿Chatbot? | Por qué | |---|---|---| | «¿Dónde está mi pedido?» con seguimiento en sistema | Sí | Respuesta objetiva, consultable, alto volumen | | Horarios, tarifas, cobertura, condiciones estándar | Sí | Información estable y verificable | | Cita previa, reservas, cambios de cita | Sí | Trámite acotado, con confirmación por escrito | | Primer filtro de soporte técnico de producto | Sí, con escalado | Cubre el 40-60% de nivel 1; el resto pasa a persona | | Reclamaciones, bajas, incidencias con dinero de por medio | No de entrada | Coste de error alto y componente emocional | | Asesoramiento fiscal, legal o médico | No | Responsabilidad profesional; sirve de apoyo interno, no de cara al cliente | | Venta consultiva de ticket alto | No | El valor está en la conversación humana | | Empresa con 30 consultas al mes | No | El mantenimiento cuesta más que el ahorro |

Ese último caso merece un párrafo. Un chatbot no es gratis después del lanzamiento: alguien revisa conversaciones, corrige respuestas, actualiza contenidos cuando cambia una tarifa. Por debajo de cierto volumen —como referencia, unas 300-500 consultas mensuales de tipología repetida— la aritmética no sale, y lo honesto es decirlo antes de empezar.

Hay un caso intermedio que casi siempre se pasa por alto: el bot interno. Un asistente que responde a tu propio equipo sobre procedimientos, condiciones de cliente o cómo se hace algo en el ERP. Menos glamuroso, riesgo mucho menor (el usuario final sabe interpretar una respuesta dudosa) y con frecuencia más ahorro por euro invertido que el bot público.

¿Qué canal conviene: web, WhatsApp o dentro del producto?

La elección de canal condiciona más el proyecto que la tecnología del modelo.

Web. El más sencillo de lanzar y el que menos fricción legal tiene. Contexto anónimo por defecto: no sabes quién escribe hasta que se identifica. Bueno para preventa e información; limitado para gestiones sobre cuenta.

WhatsApp Business. En España es donde de verdad está el cliente, y eso cambia dos cosas. La primera, que el número de teléfono identifica a la persona, lo que permite personalizar de entrada pero convierte cada conversación en un tratamiento de datos personales que hay que tener cubierto. La segunda, que la API oficial tiene un modelo de plantillas y ventanas de conversación con coste por conversación iniciada por la empresa; conviene modelarlo antes, porque una campaña masiva puede convertir un coste marginal en una factura sorprendente.

Dentro del producto o del área de cliente. El mejor sitio si vendes software o tienes portal privado: el usuario ya está autenticado, así que el bot sabe quién es, qué contrató y en qué estado está. Es donde un asistente puede pasar de responder a resolver sin abrir un agujero de seguridad.

Correo electrónico. Poco comentado y muy rentable: clasificar entrantes, extraer datos, redactar borradores que una persona revisa y envía. Sin interfaz de chat, sin riesgo de que el cliente vea una respuesta mala, y sobre un canal que en muchas empresas concentra más volumen que el chat.

Un error frecuente es abrir tres canales a la vez en el lanzamiento. Cada canal tiene su tono, sus límites de formato y su forma de escalar a persona. Uno bien resuelto enseña más que tres a medias.

¿Cuánto cuesta de verdad un chatbot para empresas?

Aquí es donde las propuestas se vuelven opacas. Desglosado por partidas, y con rangos de orden de magnitud para una empresa mediana en España:

| Partida | Rango orientativo | Nota | |---|---|---| | Diseño de alcance y guion de conversación | 3.000-8.000 € | Decidir qué contesta, qué no, y cómo escala a persona | | Preparación de contenidos y base de conocimiento | 2.000-10.000 € | Suele ser la partida infravalorada | | Integraciones (CRM, ERP, ticketing) | 4.000-20.000 € | Depende de si hay API o hay que fabricarla | | Despliegue, pruebas y puesta en producción | 3.000-8.000 € | Incluye pruebas adversariales, no solo el camino feliz | | Consumo del modelo | 50-600 €/mes | Escala con volumen y longitud de conversación | | Plataforma / canal | 0-500 €/mes | Coste por conversación en canales de mensajería | | Mantenimiento y mejora continua | 300-1.500 €/mes | Revisión de conversaciones y ajustes |

Dos avisos sobre esta tabla. El primero: el consumo del modelo, que es lo que más ruido hace en las reuniones, casi nunca es la partida grande. Lo caro son las integraciones y el contenido. El segundo: si una propuesta no tiene línea de mantenimiento, no es más barata, es que el coste llega después y sin presupuesto asignado.

Para calcular el retorno, el número que importa no es «consultas atendidas», es consultas resueltas sin intervención humana × minutos que costaba cada una. Si tu equipo dedica 4 minutos de media a una consulta de estado de pedido y el bot resuelve 400 al mes, son unas 27 horas mensuales. Ese es el suelo del cálculo; el techo suele estar en el tiempo de respuesta fuera de horario, que no ahorra horas pero sí evita pérdidas. El mismo enfoque que aplicamos a cualquier proceso en automatización de procesos con IA.

¿Cómo se integra sin montar un frankenstein?

Un chatbot desconectado es un folleto que habla. La integración es el proyecto, y tiene un orden que evita rehacer trabajo:

1. Definir las cinco consultas más frecuentes con datos reales del buzón y del teléfono, no por intuición. Exportar tres meses de tickets y contarlos. 2. Comprobar de dónde sale la respuesta a cada una. Si el dato está en un sistema sin API decente, eso es lo primero a resolver o a descartar. 3. Definir qué puede escribir el bot y qué solo puede leer. La mayoría de proyectos deberían empezar en solo lectura. Escribir en sistemas de producción es una decisión aparte, con su registro de auditoría. 4. Diseñar el escalado antes que las respuestas. Cómo pasa a una persona, con qué contexto, en qué horario y qué ve el cliente mientras espera. Un escalado mal hecho anula todo el beneficio. 5. Instrumentar desde el día uno. Cada conversación guardada, etiquetada y revisable. Sin eso no hay mejora continua, hay opiniones.

La parte fea es casi siempre la misma: sistemas que no exponen lo que necesitas, o lo exponen con una latencia que rompe la conversación. Merece la pena mirarlo con detalle antes de firmar; en integración con tus herramientas desglosamos las preguntas concretas que hay que hacerle a cada sistema.

¿Qué métricas dicen si el chatbot funciona?

Las que se enseñan en las demos —número de conversaciones, usuarios únicos— no dicen nada. Las que sirven son estas cinco:

• Tasa de resolución sin humano. Conversaciones cerradas sin escalar y sin que el cliente vuelva a preguntar lo mismo en 48 horas. Es la métrica principal.
• Tasa de escalado y su motivo. Escalar no es fracasar; escalar sin motivo clasificado sí. Los motivos son tu lista de mejoras del mes siguiente.
• Respuestas incorrectas detectadas. Sobre una muestra revisada a mano cada semana. Si nadie lee conversaciones, no sabes tu tasa de error, y la vas a descubrir por una queja.
• Tiempo hasta primera respuesta útil. No el tiempo de respuesta del bot (siempre es inmediato), sino cuánto tarda el cliente en tener la información que buscaba.
• Contactos evitados en el canal caro. Si el teléfono y el buzón no bajan, no has quitado trabajo: has añadido un canal.

Un tamaño de muestra realista para la revisión manual: 30-50 conversaciones semanales el primer trimestre, luego 20 al mes. Es tedioso y es exactamente lo que distingue un bot que mejora de uno que se degrada en silencio mientras cambian las tarifas.

¿Qué riesgos hay que cerrar antes de abrirlo al público?

Cuatro, y ninguno es opcional si el bot habla con clientes.

Alucinación con consecuencias. Un bot que inventa una condición de contrato o una fecha de entrega genera una expectativa que alguien tendrá que gestionar. Se mitiga limitando las respuestas a fuentes verificables, obligando a citar de dónde sale el dato y programando el «no lo sé, te paso con una persona» como respuesta legítima y no como fallo.

Datos personales. Todo lo que el cliente escribe en el chat es un tratamiento: base jurídica, información al usuario, plazo de conservación y decisión sobre dónde se procesa. Si el modelo es de un tercero, hace falta el encargo de tratamiento y saber si los datos se usan para entrenar. Antes de conectar históricos de clientes a nada, revisa qué se puede minimizar u ofuscar — el detalle, en anonimización de datos.

Transparencia. El usuario tiene que saber que habla con un sistema automático. Es exigencia del reglamento europeo de IA para sistemas que interactúan con personas, y además es lo que evita la mitad de los enfados. Lo que aplica a una pyme está resumido en el reglamento europeo de IA.

Abuso e inyección de instrucciones. Alguien intentará que el bot diga algo que no debe, o que revele el contenido de sus instrucciones. Hay que probarlo antes de abrir, con un conjunto de casos hostiles, no solo con el guion feliz.

Preguntas frecuentes

¿Cuánto tarda en estar en producción un chatbot para empresas?

Con alcance acotado —un canal, cinco tipos de consulta, integración de solo lectura— entre 6 y 10 semanas desde el arranque hasta el público, y la mitad de ese tiempo se va en contenido e integraciones, no en el bot. Los proyectos que prometen dos semanas suelen estar contando solo el despliegue.

¿Puede un chatbot sustituir al equipo de atención al cliente?

No, y quien lo prometa no ha operado uno. Lo que hace es absorber la parte repetitiva y liberar tiempo para los casos que sí necesitan criterio. El equipo cambia de mezcla de trabajo: menos consultas de estado, más resolución de incidencias reales y revisión de lo que el bot contesta.

¿Es mejor una plataforma de chatbot o desarrollo a medida?

Depende de cuántas integraciones necesites. Con una o dos y consultas informativas, una plataforma sale antes y más barata. En cuanto hay que orquestar varios sistemas, aplicar reglas de negocio propias o cumplir requisitos de trazabilidad, el a medida acaba costando menos que forzar la plataforma. La pregunta que resuelve la duda es dónde vive el dato que necesita la respuesta.

¿Qué pasa si el chatbot da una respuesta incorrecta a un cliente?

Responde la empresa, no el proveedor del modelo. Por eso el diseño importa: restringir el bot a fuentes verificables, dejar registro de cada conversación para poder reconstruir qué se dijo, y tener un canal de corrección rápido. Un bot sin histórico auditable es un riesgo operativo, no solo técnico.

Si estás valorando un chatbot y la conversación interna se ha quedado en «qué herramienta usamos», probablemente falte el paso de antes: qué consultas tienes, dónde vive la respuesta y qué canal concentra el volumen. Eso es exactamente lo que sale de la auditoría, con el detalle suficiente para decidir si el proyecto sale a cuenta o conviene empezar por otro sitio. Y si prefieres contrastarlo en una conversación antes de mover nada, hablemos.